(1) 메타의 AI 추격전: 알렉산드르 왕의 첫 1년과 ‘뮤즈 스파크’
- 마크 저커버그가 약 1년 전 28세 스타트업 창업자 알렉산드르 왕(Alexandr Wang)을 영입해 메타의 AI 조직을 ‘전시 체제’로 전환 → 1조 5,000억 달러($1.5T) 규모 기업이 베테랑 연구자 대신 외부 창업자에게 AI 부활의 책임을 맡긴 베팅
- 영입 배경: 작년 메타의 AI가 라마 4(Llama 4) 모델의 실망스러운 반응으로 흔들림 → 저커버그가 왕의 데이터 라벨링 스타트업 스케일 AI(Scale AI)에 150억 달러($15B)를 투자하고 공동창업자인 왕을 영입
- 왕은 약 100명 규모의 비밀 연구 조직 ‘TBD 랩’을 멘로파크 본사의 별도 출입증이 필요한 보안 구역에 꾸림 → 왕과 저커버그 모두 이 구역 안에 사무실을 둠 → 비(非)TBD 직원이 몰래 들어오려다 적발된 적도 있음
- 첫 결과물로 4월에 ‘뮤즈 스파크(Muse Spark)’ 모델 공개 → 메타 역사상 가장 신뢰할 만한 AI 모델로 평가받음
- 단, ‘맨바닥에서 새로 만들었다’는 왕의 발언은 사실과 차이 → 실제로는 라마 4 관련 코드·데이터셋 등 기존 인프라 일부를 활용해 제작 → 라마 팀의 기여를 인정하지 않았다는 불만이 나오며 기존 AI 팀과 TBD 랩 간 갈등 심화
- 평가 엇갈림: 카네기멜런대 교수이자 메타 전 AI 연구 부사장 러스 살라쿠트디노프는 “짧은 시간에 해낸 작업량이 인상적”이라고 호평 → 반면 일부 현·전직 직원은 왕이 점진적 진전을 과장했고, 그의 리더십이 산만하다고 비판
- 노선 변화 정황: 왕은 메타의 오랜 오픈소스 접근법보다 독자(proprietary) 모델에 무게를 둘 것을 주장 → ‘개인용 초지능(personal superintelligence)’ 비전을 내세우며, 제품의 빠른 출시보다 모델 성능 고도화를 우선시
- 인력 이탈도 발생: 애플 출신 임원 루오밍 팡이 합류 7개월 만에 오픈AI로 이직 → 새 코드베이스 구축 등 일부 연구는 난항
- 뮤즈 스파크는 중국산 등 서드파티 오픈소스 모델 일부를 학습에 사용 → 일부 내부 인사는 딥시크(DeepSeek) 최신 모델과의 유사성을 거론(논쟁 중) → 시각 c처리는 호평받았으나 코딩은 경쟁사에 뒤처짐을 왕도 인정 → 소프트웨어 개발 테스트를 맡은 직원들은 여전히 앤트로픽의 클로드를 선호
- 왕의 1년은 회사 전반의 구조조정·해고와 겹침 → 컴퓨터 사용 기록을 수집해 AI 학습에 쓰려던 직원 추적 소프트웨어 설치 계획은 반발에 부딪혀 메타가 일부 철회
- https://arstechnica.com/ai/2026/06/inside-metas-attempts-to-play-catch-up-with-ai/
💡 Takeaway & Insight
- 메타 내부에서 오픈소스 노선이 흔들리는 신호: 라마로 오픈소스 진영을 대표하던 메타에서, 새 책임자가 독자 모델 쪽으로 무게를 옮기려 시도 → 오픈소스가 메타의 전략적 정체성이 아니라 성과가 부진하면 바뀔 수 있는 선택지였음이 드러남
(2) 깃허브 코파일럿, 사용량 기반 과금 전환에 개발자 반발
- 깃허브가 4월 예고한 대로, 코파일럿(Copilot)의 과금을 ‘요청 횟수 기반’에서 ‘사용량 기반’으로 전환 → 6월 2일 시행과 동시에 다수 사용자가 요금 충격을 호소
- 기존 방식의 문제: 짧은 채팅 질문 하나와 몇 시간짜리 자율 코딩 세션이 똑같은 비용으로 계산됨 → 깃허브가 늘어나는 추론 비용 상당 부분을 떠안아 보조해 옴 → 일부 사용자의 과거 사용량을 새 요금제로 환산하면 월 수천 달러어치였음
- 새 구조: 월 구독료에 따라 ‘AI 크레딧’을 지급(1크레딧 = 사용액 $0.01) → 월 10달러 프로 플랜은 1,500크레딧(15달러어치), 39달러 프로+는 7,000크레딧(70달러어치), 100달러 코파일럿 맥스는 2만 크레딧(200달러어치) 제공
- 핵심 변수는 ‘어떤 모델을 쓰느냐’ → 같은 100만 출력 토큰이라도 오픈AI GPT-5.4 나노는 1.25달러, 프런티어급 GPT-5.5는 30달러 → ‘Auto’ 모드는 단순 질문에도 비싼 모델을 고를 수 있어 주의 필요
- 실제 소모 사례: 단순 지뢰찾기 게임 제작에 클로드 하이쿠 4.5로 약 94크레딧 → 복잡한 프롬프트 하나에 171크레딧, “몇 번의 프롬프트”에 700크레딧, 코파일럿 주도 커밋 두 건에 5,000크레딧 소진 보고도 등장
- 하루 만에 한 달 치를 소진하는 사례 속출 → “첫날 아껴 썼는데도 840크레딧을 썼다”, “복잡한 작업은 시작도 안 했다” 같은 불만과 함께 이탈·해지 움직임
- 적응한 쪽도 있음: 한 개발자는 변경 범위를 좁혀 “생산적인 하루”에 161크레딧만 소모 → 또 다른 개발자는 3일 된 대화 세션을 이어가면 매번 전체 기록이 입력 토큰으로 다시 들어가 크레딧을 잡아먹는다고 지적
- 업계 확산 전망: 보조금성 고객 유치가 코파일럿식 사용량 과금으로 옮겨갈 경우 → 토큰을 효율적으로 쓰는 모델이 경제성 경쟁에서 유리 → 실제로 한 사용자는 1,500만 토큰을 약 7센트에 처리하는 딥시크를 VS코드 환경에 통합했다고 언급
- https://arstechnica.com/ai/2026/06/ai-costs-how-much-github-copilot-users-react-to-new-usage-based-pricing-system/
💡 Takeaway & Insight
- ‘정액 구독으로 추론 비용을 흡수하던’ AI 코딩 도구의 보조금 시대가 끝나는 신호: 깃허브가 일부 파워유저에게 월 수천 달러어치를 정액으로 떠안아 주던 구조가 사용량 과금으로 전환 → 추론 비용을 공급자가 계속 보조하는 모델이 지속 불가능해졌음을 보여줌 → 이 전환이 업계 표준이 되면 ‘무제한처럼 보이는’ 코딩 구독은 사라질 여지
- 과금 단위가 ‘요청’에서 ‘토큰’으로 바뀌면 모델 효율성이 곧 비용 경쟁력: 같은 출력량에 모델별로 24배(1.25달러 vs 30달러) 차이 → 프런티어 성능보다 토큰당 단가가 낮은 모델이 실사용에서 선택받는 압력이 커짐 → 딥시크 같은 저가 모델이 가격만으로 침투 경로를 확보
- 비용이 사용자에게 가시화되면 사용 행태 자체가 바뀜: 대화 세션을 길게 이어갈수록 전체 기록이 매번 입력 토큰으로 재전송돼 비용이 누적 → ‘맥락을 짧게 끊어 쓰는’ 절약형 사용 패턴이 학습되기 시작 → 도구의 UX(긴 세션 권장)와 과금 구조(입력 토큰 과금)가 충돌하는 국면
(3) 영국 규제당국, 구글에 ‘AI 검색에서 퍼블리셔 옵트아웃 허용’ 강제
- 영국 경쟁시장청(CMA, Competition and Markets Authority)이 새 행동 규칙을 부과 → 구글은 웹사이트 소유자가 자신의 콘텐츠를 ‘AI 오버뷰(AI Overviews)’ 같은 AI 검색 기능에서 빼도록 허용해야 함 → AI 모델의 ‘파인튜닝(fine-tuning, 미세 조정)’에 콘텐츠가 쓰이는 것도 막을 수 있어야 함
- CMA는 이를 “세계 최초”라고 표현 → 뉴스 등 퍼블리셔가 구글과 콘텐츠 계약을 협상할 때 더 유리한 위치에 서게 된다는 취지
- 구글은 AI 검색 결과에서 퍼블리셔 콘텐츠를 “명확한 링크로 적절히 출처 표기”하도록 의무화됨 → 영국 내 일부 웹사이트 소유자에게 이미 기능을 배포하기 시작했고, 테스트 후 글로벌 확대 계획
- 첫 기능은 서치 콘솔(Search Console)의 새 토글 → AI 오버뷰, AI 모드, 디스커버 내 AI 오버뷰 등에서 콘텐츠 사용 방식을 관리 → 완전히 옵트아웃하면 생성형 AI 기능에서 트래픽·노출을 받지 않음 → 단, 이 설정은 AI 검색 외 일반 검색 순위 신호로는 쓰이지 않는다고 구글은 밝힘
- 어떤 페이지가 AI 응답에 나타나는지, 어느 국가에서 노출되는지 보여주는 새 서치 콘솔 지표도 함께 제공
- 구글은 앞서 퍼블리셔에게 더 많은 통제권을 주는 안을 거부한 바 있음 → AI 검색이 “수익화 공간으로 진화 중”이라는 이유였다고 보도됨
- https://www.theverge.com/tech/942302/google-search-ai-overviews-uk-cma-publisher-opt-out
💡 Takeaway & Insight
- ‘학습 데이터로 쓰일지’와 ‘AI 검색에 노출될지’를 분리해 거부할 권리가 규제로 처음 명문화됨: 그동안 퍼블리셔는 검색 노출을 포기하지 않으려면 AI 학습·요약 활용도 사실상 받아들여야 했음 → CMA 규칙은 일반 검색 순위는 유지하면서 AI 기능만 빼는 선택지를 강제 → 구글이 묶어 두던 ‘검색 노출’과 ‘AI 활용’의 결합이 규제로 분리되기 시작
- 옵트아웃 권리가 곧 콘텐츠 협상력으로 전환되는 구조: CMA가 “협상에서 더 유리한 위치”를 명시적으로 노린 점이 핵심 → 거부할 수단이 생겨야 유료 콘텐츠 계약 단가를 끌어올릴 수 있다는 논리 → AI 검색을 둘러싼 퍼블리셔-플랫폼 협상이 영국발 규칙을 준거로 재편될 여지
(4) 오픈AI, 화이트칼라 업무용 코덱스 도구 대거 출시
- 오픈AI가 화요일, 에이전트형 도구 코덱스(Codex)의 업무 활용을 넓히는 새 기능 세트를 공개 → 엔터프라이즈 고객 공략 본격화
- 직무별 플러그인 6종 출시: 데이터 분석, 크리에이티브 제작, 영업, 제품 디자인, 주식 투자, 투자은행 업무 → 각 도구는 통합 기능·지침·맥락을 묶어 특정 직무를 흉내 내도록 구성
- ‘Sites’ 기능 신설: 코덱스 결과물을 로컬 파일이 아니라 호스팅되는 인터랙티브 웹사이트로 출력 → 윅스(Wix), 베이스44(Base44), 리플릿(Replit), 러버블(Lovable), 피그마(Figma), 이머전트(Emergent)와 제휴, 파트너 생태계 확대 계획
- ‘Annotations’ 기능: 문서·파일의 특정 부분을 지정해 더 구체적인 명령·맥락 작업 가능
- 경쟁 구도: 앤트로픽이 2월 엔터프라이즈 에이전트 프로그램, 5월 금융 특화 에이전트를 먼저 내놓음 → 소비자 중심이던 오픈AI는 3월에야 코덱스 플러그인을 도입하며 뒤늦게 합류
- 3주 전 출범한 ‘OpenAI 디플로이먼트 컴퍼니’와 맞물림 → 글로벌 투자사로부터 40억 달러($4B) 이상을 조달, 오픈AI 도구를 기업 인프라·워크플로우에 더 깊이 통합하는 것이 목표
- https://techcrunch.com/2026/06/02/openai-launches-new-codex-tools-for-white-collar-work/
💡 Takeaway & Insight
- ‘코딩 도구’가 직무별 플러그인을 통해 화이트칼라 업무 전반으로 외연을 넓히는 흐름: 코덱스 사용자 중 지식 노동자가 20%까지 올라오고 개발자보다 3배 빠르게 늘어남 → 영업·투자은행·주식 투자처럼 코딩과 무관한 직무용 플러그인이 나온 것은, AI 코딩 에이전트의 시장 정의가 ‘소프트웨어 개발’에서 ‘일반 사무 자동화’로 이동 중임을 보여줌
- 소비자 중심 오픈AI와 엔터프라이즈 선행 앤트로픽의 진입 순서가 뒤바뀐 구도: 앤트로픽이 2월·5월에 엔터프라이즈·금융 에이전트를 먼저 내놓고, 오픈AI가 뒤따라 직무별 도구로 추격 → 두 회사가 컨슈머·엔터프라이즈 강점을 서로의 영역으로 확장하며 정면 충돌하는 국면
(5) 우버, 4개월 만에 AI 예산 소진 후 직원 사용액 상한제 도입
- 우버가 AI 지출을 줄이려 내부 사용량 상한을 도입 → 블룸버그 보도에 따르면 직원 1인·에이전트형 코딩 도구 1개당 월 1,500달러 상한 설정 → 앤트로픽의 클로드 코드(Claude Code)나 커서(Cursor) 등이 대상
- 사용량은 직원별 내부 대시보드로 추적 → 다만 특정 경우 허가를 받으면 상한 초과 가능
- 배경: 4월에 우버 CTO가 연간 AI 예산 전체를 4개월 만에 소진했다고 밝힘 → 회사가 직원들에게 AI를 “최대한 많이” 쓰라고 독려하고 내부 사용량을 리더보드로 경쟁시킨 뒤 벌어진 일(디인포메이션 보도)
- 우버 COO 앤드루 맥도널드는 팟캐스트에서 AI의 생산성 효과에 의문 제기 → AI 사용과 신규 소비자 기능 사이에 “선을 긋기가 매우 어렵다”고 언급
- 이는 업계 전반의 ‘AI 투자 대비 수익(ROI)’ 문제를 드러냄 → AI ROI는 아직 대체로 이론적 기대에 머물러 있으며, 일부 기업은 결과를 기다리다 조바심을 내는 상황
- https://techcrunch.com/2026/06/02/uber-caps-employee-ai-spending-after-blowing-through-budget-in-four-months/
💡 Takeaway & Insight
- ‘AI를 최대한 써라’는 독려에서 ‘1인당 상한제’로의 급반전이 보여주는 비용 통제 국면 진입: 우버는 리더보드로 사용을 경쟁시키다 4개월 만에 연간 예산을 태움 → 도입 초기 ‘확산 우선’ 정책이 비용 현실에 부딪혀 ‘관리 우선’으로 꺾이는 전형 → 2번 기사(코파일럿 과금 전환)와 같은 방향의 신호로, 기업 단위에서도 사용량 가시화·상한이 표준 관리 수단이 되고 있음
- ROI를 증명하기 전에 비용부터 확정되는 비대칭이 드러남: COO가 AI 사용과 신규 기능 사이 인과를 “선 긋기 어렵다”고 인정한 반면, 1,500달러 상한이라는 비용은 명확히 측정·통제됨 → 효익은 모호하고 비용은 또렷한 구조가 기업 AI 도입의 핵심 긴장으로 자리잡는 중
(6) 테크 업계 대표들의 ‘AI 정신병’ 논쟁과 반(反)AI 정서의 확산
- 박스(Box) 창업자 에런 레비가 “테크 CEO들이 유독 ‘AI 사이코시스(psychosis, 과몰입·맹신 상태)’에 빠지기 쉽다”는 소셜미디어 글로 논쟁 촉발 → 단, AI 도구를 부정한 게 아니라 CEO가 도구를 직접 써봐야 이해한다는 취지
- 레비의 논리: “CEO는 AI로 가치를 만들어내는 실제 마지막 단계의 작업에서 멀리 떨어져 있다” → 슬라이드만 보고 “엄청난 효율, 가자”고 판단하기 쉬움 → 끝단 작업을 직접 만지지 않으면 효과를 알 수 없다는 것
- 더 넓은 반발 신호들: 졸업식에서 AI 언급에 야유하는 대학생들, 테크 업계 해고를 둘러싼 부정적 분위기, 구글의 AI 검색 강화 발표 후 덕덕고(DuckDuckGo) 설치 급증(약 30%)
- 진행자들은 AI가 극도로 양극화된 주제라고 진단 → “모두가 쓰고 사랑한다”와 “아무도 안 쓰고 모두가 싫어한다”가 동시에 참인 상황
- 구글의 딜레마: 따라잡으려 AI를 좇지만, 사람들이 브랜드에 가장 애착을 갖는 부분(정보 검색)을 건드리면서 개선도 못 하고 있다는 지적 → 구글이 IO에서 검색 변화를 말할 때 상당 부분이 쇼핑 등 상거래로 끝나는 점, “Google에 P가 몇 개냐”는 질문에 둘이라 답하는 오류 등이 거론됨
- 덕덕고 등 대안 검색엔진의 노선 변화: 1년 전만 해도 AI 기능을 실험하던 곳들이, 이제 “우리는 그런 데 관심 없다”거나 핵심 검색에 영향 없는 별도 영역에 AI를 격리하는 식으로 반(反)AI를 마케팅에 내세움
- AI발 변화의 방향성 논쟁: 과거 직장 내 기술 도입은 상당 부분 ‘아래로부터(bottom-up)’ 직원이 좋아서 가져온 것 → 반면 AI 생산성 기대는 끝단 작업을 안 만지는 경영진·VC가 ‘작은 팀으로 큰 효과’라는 꿈에 끌려 ‘위로부터(top-down)’ 밀어붙이는 측면 → 진행자들은 그럼에도 기업들의 AI 사용이 해고와 업무 방식 변화로 실제 이어지고 있다는 점도 사실이라고 정리
- https://techcrunch.com/2026/05/31/making-sense-of-the-debate-over-ai-psychosis/
💡 Takeaway & Insight
- AI 도입이 ‘아래로부터’가 아니라 ‘위로부터’ 밀어붙여진다는 점이 이번 사이클의 구조적 차이: 과거 업무 도구는 직원이 좋아서 들여오면 경영진이 추인하는 경로였으나, AI는 끝단 작업과 먼 경영진·VC가 ‘작은 팀=큰 효과’ 기대로 추진 → 도입 주체와 실사용 주체의 분리가 ‘CEO 과몰입’ 비판과 해고의 동시 발생을 설명하는 핵심 축
- ‘반(反)AI’가 마케팅 포지셔닝으로 성립하기 시작한 시점: 1년 전 AI 기능을 실험하던 덕덕고 같은 대안 검색엔진이 이제 ‘AI 안 함’을 전면에 내세우고 설치가 30% 급증 → AI 회의 정서가 단순 여론이 아니라 실제 사용자 이동과 차별화 전략으로 전환되는 초기 신호